R
Un poco de historia sobre R
El lenguaje R tiene su origen en el lenguaje S y fue desarrollado por Ross Ihaka y Robert Gentleman en el Department of Statistics of the University of Auckland in Auckland, New Zealanda a mediados de los años 90.
- Open-source
- Dirigido por la R Foundation, organizacion sin fines de lucro con sede en Vienna University of Economics and Business.
- 17682 paquetes, al dia de hoy, dentro de CRAN (Comprehensive R Archive Network) para ampliar la funcionalidad de base.
One IDE to rule them all
RStudio es un IDE que incrementa las capacidades de R con una variedad de funcionalidades.
- El 79% de los usuarios de R utilizan RStudio como IDE.
- Cuenta con versiones gratuitas open-source y versiones para uso comercial.
¿Que se puede hacer con R?
- Transformacion y manipulacion
- Exploracion
- Modelado
- Presentacion y reporte
Necesitamos librerias
Para realizar muchas de las cosas necesarias en un pipeline de analisis es necesario cargar ciertas librerias
install.packages('Nombredelalibreria') #Para instalar librerias
library(Nombredelalibreria) #Para cargar la libreria
#(notese la falta de comillas)
La gran mayoria de las librerias que vamos a utilizar se encuentran dentro del paquete tidyverse.
The tidyverse is an opinionated collection of R packages designed for data science. All packages share an underlying design philosophy, grammar, and data structures.
¿Que es el tidyverse?
El tidyverse
El pipeline de analisis
Importar datos
Librerias para importar
Las librerias mas utiles para importar datos son readr y readxl, siendo esta ultima creada particularmente para archivos de Excel
Funciones para importar
Hay una variedad de funciones para importar siguiendo todas un formato del estilo
read_formatodearchivo('File/Path')
#Por Ejemplo
read_csv() #Para leer CSV
read_tsv() #Para leer archivos separados por Tabs
read_delim() #Para definir la delimitacion entre los elementos
#Para leer excel
read_xls()
read_xlsx()
Funciones para exportar
Las funciones para guardar una base de datos desde R sigue una logica similar a la importacion y utilizan las mismas librerias
write_formatodearchivo('File/Path')
write_csv()
write_tsv()
write_delim()
Un dataset tidy
Tres reglas interrelacionadas:
- Cada variable tiene su propia columna
- Cada observacion tiene su propia fila
- Cada valor tiene su propia celda
Generando o rompiendo un dataset tidy
Hay ocasiones en las cuales es necesario modificar la estructura de un dataset
pivot_longer()
Generando o rompiendo un dataset tidy
Podemos pasar facilmente de un formato long a un formato wide
pivot_wider()
Proximo paso
Transformaciones
Graficos, un capitulo aparte
Haciendo graficos
Grammar of graphics
Constituye la base del uso de ggplot y librerias asociadas.
Data
library(ggplot2) ggplot(data = pressure)
Aesthetics
ggplot(data = pressure,
mapping = aes(x = temperature, y = pressure))
Geomas
ggplot(data = pressure, mapping = aes(x = temperature, y = pressure)) + geom_point()
Geomas diferentes
ggplot(data = pressure, mapping = aes(x = temperature, y = pressure)) + geom_line() ggplot(data = pressure, mapping = aes(x = temperature, y = pressure)) + geom_step()
Combinacion de geomas
ggplot(data = pressure, mapping = aes(x = temperature, y = pressure)) + geom_point() + geom_line()
Extendiendo ggplot: GGally
La funcion ggpairs() del paquete GGally es muy util para la visualizacion de datos multivariados.
GGally::ggpairs(iris)
Extendiendo ggplot: ggpubr
El paquete ggpubr posee diversas funcionalidades utiles en graficos aptos para presentacion en el mundo academico.
Haciendolo interactivo: plotly
La libreria plotly permite convertir graficos de ggplot en graficos interactivos
Recursos complementarios
